自动文本分类是一种管理和利用海量文本数字信息的有效手段。尽管文本分类技术已经取得了长足的发展，但由于文本分类具有高维性、高稀疏度等特点，文本分类的性能还不能满足人们的实际需求，还具有非常大的改进空间。针对文本分类的高维性和高稀疏度等特点，本文致力于研究最优的特征选择算法和紧凑的文本表示模型以缓解由于高维性和高稀疏度而产生的影响。通过分析、研究、对比优秀特征选择算法和传统文本表示模型，提出了基于二项假设检验的特征选择算法、综合度量特征重要度的特征选择算法、基于文本关键词的文本表示模型和基于特征项聚类的文本表示方法。实验表明，上述方法能够显著地提高文本分类的性能。由此可见，高维性和高稀疏度是妨碍文本分类性能的关键因素，高效的特征选择算法和紧凑的文本表示模型是提高文本分类性能的有效技术手段。